本文提出一种联合动态和静态特征的行人检测方法,用于运动背景下的行人检测。运动背景下检测的难点在于背景与目标的分离,本文方法采用一种改进的二阶差分光流算法Nagel-a计算图像的光流场,该光流算法通过改进速度场分量的拉普拉斯算子估计值,在求解速度场的迭代公式中引入前次迭代的速度分量,此举抑制了光流场中边界点对非边界点的影响,提高了光流场对微弱运动的敏感性。文中方法从Nagel-a光流场中提取行人的运动学特征MBH (Motion boundary histograms)和IMH (Internal motion histograms),强化MBH和IMH特征向量中包含鉴别信息的有益冗余,提高了该特征的鉴别能力。实验中使用LIBSVM训练基于运动学特征的线性SVM (Support vector machine)分类器,使用Mean shift算法优化分类结果。实验在TUD数据库上获得98%的识别率,证明该方法可以在具备运动背景的图像序列上获得较出色的检测效果。针对现有障碍物检测和行人检测方法计算复杂度较高的问题,本文提出一种新颖的针对车载系统的快速障碍物和行人检测算法。该方法采用表面视差映射代替深度图匹配,可以快速生成遮挡图并在图中提取包含障碍物和行人的感兴趣区域。由于表面视差映射算法具备较低的计算复杂度,并且主要的计算任务在初始化阶段完成,因此大幅提高了算法的整体效率。为了测试文中方法在真实路况中的可靠性,实验组在市区道路上利用车载摄像头拍摄了包括六种常见路况条件下的视频和图像,整理并建立HENU数据库。实验证明本文提出的方法在柏油路面,草坪路面,泥土路面,上下坡,夜间道路和雨天道路环境下都具备较高的准确度和可靠性。本文同时提出一种多尺度的行人检测器,采用本文提出的增强的梯度方向直方图作为分类器特征,检测过程中不需要调整输入图像的尺寸,提高检测效率的同时也显著提高了检测准确率。实验在三个公开数据库和HENU数据库上证明本文提出的方法在消耗相同时间的前提下,性能要优于现有的行人检测器。更重要的,当本文所提出的检测器处理小尺度行人目标时,检测性能会较原尺度进一步提高。本文针对红外图像的特点和行人的形状特征提出一种快速高效的红外行人检测算法。算法采用基于对比度直方图的方法提取红外图像的显著性映射图,按照显著值分布和局部邻域尺寸提取图像中的关注点,根据关注点的显著值计算自适应阈值分割红外图像中的行人目标。本文针对行人姿势的多样性,结合样本先验概率构建基于形状的级联人体模板匹配树,在根据显著性关注点理论分割后的红外图像上依据模板的匹配结果验证待检测区域是否包含行人目标。实验在OTCBVS的红外行人数据库上对比现有的几种红外行人检测算法,实验结果表明本文所提算法在精度和检测速度两方面都优于对比算法。